再生时间序列的高维回归：在道路交通建模中的应用
统计理论
2021-01-27 v5 机器学习
统计理论
摘要
本文采用一种统计预测模型来建模道路交通，该模型中高维时间序列在每天结束时再生。由于再生特性，预测基于每日建模，使用向量自回归模型对当天的历史观测进行线性组合。由于高维特性，学习算法采用回归系数的 L1 惩罚化。在路段数量随观测天数趋于无穷的高维框架下，建立了超额风险界。基于城市区域中观测到的浮动车数据，该方法与包括神经网络在内的前沿方法进行了比较。除了在预测方面极具竞争力外，它还能够识别路网中最具决定性的路段。
引用
@article{arxiv.1910.11095,
title = {High dimensional regression for regenerative time-series: an application to road traffic modeling},
author = {Mohammed Bouchouia and François Portier},
journal= {arXiv preprint arXiv:1910.11095},
year = {2021}
}